Analizzatore dei sentimenti
Uso commerciale OK
380+ modelli
Nessuna filigrana
Nessuna registrazione necessaria
Modello:
+ GPT-5, Claude, Gemini
Sentimento generale
—
—
Polarità
—
da -100 a +100
Fiducia
—
—
Sommario
Opzioni avanzate
Risultato
I token sono bassi.
Get More Tokens
❤️ Love this tool? Share it!
Registrati per ottenere un link di referral e guadagnare 25.000 gettoni per amico.
Ne vuoi ancora?
Sign up free for 10,000 tokens
Iscriviti gratis
Elaborare la tua richiesta...
Analizzare il sentimento del testo con AI libera. Rilevare i toni positivi, negativi e neutri.
Come usare Analizzatore dei sentimenti
1
Inserisci il tuo input
Digitare testo, caricare un file, o descrivere ciò che si desidera. Nessun account necessario.
2
Fare clic su genera
Il nostro AI elabora la tua richiesta in pochi secondi utilizzando i migliori modelli open-source.
3
Scarica e condividi
Scaricare, copiare o condividere il risultato. Gratis per uso personale e commerciale.
Utilizzare questo strumento tramite API
Automatizza questo strumento dal tuo codice. Endpoint REST compatibile con OpenAI, auth Bearer-token, nessun SDK aggiuntivo richiesto. I costi Token corrispondono all'interfaccia web.
curl -X POST https://api.free.ai/v1/chat/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model": "qwen7b", "messages": [{"role": "user", "content": "Summarize this: ..."}]}'Strumenti AI gratuiti correlati
Analizzatore dei sentimenti — FAQ
Cinque cose, a seconda della modalità che si sceglie: (1) polarità complessiva a -100 a +100 punteggio con fiducia; (2) emozioni 6-dimensionali gioia, rabbia, paura, tristezza, sorpresa, disgusto; (3) a base di aspetti estratti di
Sì, una tipica recensione di 200 parole esegue il modello Qwen 3 30B predefinito a ~200 gettoni, comodamente all'interno della piscina giornaliera di 2.500 anonimi o 10.000 iscritti. L'analisi degli aspetti di approfondimento forense su testi più lunghi costa ~600 gettoni. Nessun segno richiesto per provare alcuni.
Rispetto alla polarità complessiva (~85% accordo con i valutatori umani su testo chiaro), dietro Google sulla precisione di classificazione dell'oggetto, prima della maggior parte sul sarcasmo perché diamo il modello esplicito sarcasmo-detection prompts. Venditori aziendali addebitano $1-4 per 1.000 unità. Il nostro vantaggio: radar emotivo + uscita basata su aspetti in una chiamata, gratuito, nessuna chiave API per la fornitura.
Sì Passare alla modalità "Sarcasmo + sottotesto." Il prompt del sistema indica esplicitamente al modello di capovolgere la polarità della superficie quando rileva l'ironia ("Oh grande, un altro ritardo" segna negativo nonostante la presenza di parole positive). L'accuratezza sul sarcasmo evidente è ~80%; l'aggressione passiva sottile è più difficile per qualsiasi modello. Il verdetto "misto" + punteggio a bassa confidenza è la tua bandiera per leggere il testo da soli.
Invece di un verdetto per l'intero testo, si ottiene punteggi separati per ogni entità o caratteristica menzionata. Esempio: "L'hotel era bello, ma la colazione era fredda e il wifi era terribile" rendimenti {hotel: +80, colazione: -50, wifi: -70}. Ideale per recensioni di prodotti, feedback ristorante, e commenti NPS dove i clienti mescolano lode e lamentele in un paragrafo.
99 lingue. Le sei dimensioni dell'emozione provengono dalla ricerca di base-emozione di Ekman e si traducono universalmente. L'accuratezza è più alta su inglese, spagnolo, francese, portoghese, tedesco, cinese, giapponese; le lingue a basse risorse funzionano ma possono produrre punteggi di fiducia leggermente più bassi.
Sì, questo è uno dei casi di utilizzo più importanti. Eseguire i biglietti in entrata attraverso la modalità dominio "Support ticket"; i biglietti segnano sotto -50 polarità con elevata resistenza-dimensione vanno alla coda di supporto senior, percorso di biglietti positivi-verdict per self-service. Esporta JSON tramite il pulsante di download e cablate in Zendesk / Freshdesk automations.
Sì POST a /v1/chat/ con lo stesso sistema prompt questa pagina costruisce (ispeziona sorgente per il prompt esatto). Restituisce JSON strutturato. Buono per dashboard che ingeriscono migliaia di recensioni di notte. Bearer auth, limiti mensili. Docs at /api/.
La fiducia riflette la certezza del modello, non la vostra certezza. Ingressi brevi (< 20 parole), testo ambiguo, e contenuto di polivalenza mista punteggio basso. Un positivo a bassa fiducia non è un negativo fiducioso è "Non lo so." Trattare qualsiasi punteggio al di sotto di 50 come bisogno di revisione umana.
L'interfaccia utente esegue un testo alla volta. Il download JSON+CSV consente di trasferire l'API in uno script Python o Node che itera il tuo set di dati. Limiti: 20.000 caratteri per chiamata, 100 chiamate/ora per IP per utenti anonimi, 1.000/ora per account registrati.
MonkeyLearn è stato acquisito e interrotto. Lexalytics e Repustate carica $500-5.000/mo per equivalente basato su aspetti + rilevamento emozioni. Il nostro strumento è gratuito per la maggior parte dei flussi di lavoro; modelli premium (GPT-5, Claude Sonnet) disponibili per chiamata per i più alti livelli casi di utilizzo come guadagni-chiamate trascrizioni.
Il testo viene processato in-memory sulla nostra GPU, non persiste nel disco per gli utenti anonimi. Gli utenti registrati vedono i report nella loro dashboard per 7 giorni. Non condividiamo mai il testo con terze parti o lo usiamo per la formazione. Per la conformità zero-log utilizzare il proprio endpoint API-key-gated contattaci per gli SLA aziendali.
Come valuteresti questo strumento?